关键词： 教育数字化   课程思政   学生评价   人工神经网络   Digitalization of Education   Course Ideology and Politics   Student Evaluation   Artificial Neural Network  

摘要： 在教育数字化背景下，课程思政学生学习效果评价面临从传统主观评价向数据驱动评价模式转型。为构建课程思政教学学生学习效果智能评价模型，本文首先对传统课程思政实施方案进行重构，提出“两课堂协同、三引导驱动、四模块构建、五评价支撑”的教学实施框架，运用CIPP评价理论系统构建学生成绩评价指标体系，最后基于案例数据采用径向基神经网络建立课程思政教学学生学习效果智能评价模型。本文的研究成果为智慧课堂的实施奠定基础。

关键词： 遗传算法   改进方法   时间窗   车辆配送   路径优化  

摘要： 为提高顾客的满意度,配送服务需严格按顾客规定的时间要求执行。合理地对车辆配送路径进行优化,以适应有时间限制的配送任务,是解决这一挑战的关键策略。通过构建以时间窗为约束条件的车辆配送路径模型,并利用改进的遗传算法对该模型进行求解,在传统遗传算法框架之上,重新构建适应度函数,对交叉与变异机制设计自适应调整方法,并优化算法的终止条件,以提高求解效率和准确性。为验证所提出改进方法的有效性,实验使用标准数据集进行测试,并将改进的遗传算法与传统遗传算法、蚁群算法以及文献中的其他优化方法进行比较分析。实验结果表明,提出的改进算法能够有效避免陷入局部最优,在客户规模较大情况下求解精确性高,并在迭代初期能迅速收敛,与最优解的最大偏差仅为3.83%,证明其在求解效率和解的质量上的优势。

关键词： 移动激光测量系统   路径规划   A*算法   栅格地图   遗传算法  

摘要： 针对移动激光测量系统全局路径规划中存在的安全性不足、路径拐点多和搜索效率低等问题,本文提出了一种基于改进A*路径规划算法与遗传算法融合的多站位路径规划方法。首先采用等高截面对运行环境二维栅格地图重建,然后采用安全策略、拐点优化和方向引导策略改进A*算法,最后融合遗传算法实现多站位路径规划。通过仿真分析和试验验证,所提方法与传统A*算法相比,规划的路径拐点数量减少33.3%~47.1%,搜索时间缩短5.4%~26.1%,同时确保了实际应用中多站位移动路径的全局最优性。研究结果验证了该方法在移动激光测量系统应用中的有效性和实用性,为复杂环境下的多站位路径规划提供了新的解决方案。

关键词： 车间布局   遗传算法   运营成本  

摘要： 随着行业的快速发展,车间布局与预制构件企业的生产成本、经营能力、核心竞争力密切相关,合理的车间布局,不仅可以降低企业的运营成本,还可以提高产品生产效率、设施使用率。本文以钢筋骨架成型中心的运输成本和时间成本的最小化为目标构建数学模型,利用遗传算法进行求解实现了车间布局的优化。对于未来预制构件大规模制造企业优化车间布局具有一定的借鉴意义。

关键词： 图神经网络   知识图谱   知识表示   知识推理   知识服务   农业  

摘要： [目的/意义]图神经网络(Graph Neural Networks, GNN)通过图中节点的交互和消息传递来捕捉图数据的复杂关系,被广泛应用于知识图谱构建技术中知识表示、知识抽取、知识融合、知识推理等任务。农业知识图谱(Agricultural Knowledge Graph, AKG)发展及知识服务应用过程中面临数据、关系和结构复杂,以及可解释性不足等诸多挑战,GNN有望利用其在图结构数据建模中的优势破解上述难题。[进展]本文首先简要介绍GNN的表示方法和基本思想,并分析了典型的5种GNN模型的主体结构、特点和应用方向。随后,介绍了GNN对于知识表示、实体识别、关系抽取和事件抽取任务的技术优势,为基于多源异构大数据的AKG构建提供技术参考。此外,对GNN在知识补全融合、去噪和异常信息推断等图谱质量提升案例进行了分析。最后,介绍了GNN在农业场景中的应用和构建AKG的发展潜力。[结论/展望]目前,GNN在AKG构建与推理中的应用仍处于初步探索阶段,未来应重点突破跨模态数据关联分析、动态知识演化、面向场景的高效推理,以及可解释性与泛化性提升等关键技术。基于GNN的AKG构建技术,有望通过精准和细粒度的实体与关系表达与预测,为农业生产提供高效的知识服务和智慧解决方案。

关键词： 改进灰色遗传算法   通信网络   态势   感知   安全  

摘要： 针对通信网络安全态势感知的精准性问题,开展了基于改进灰色遗传算法的通信网络安全态势感知方法的研究。通过读取并清洗通信网络数据,确保数据的准确性和完整性,为后续分析奠定基础。随后,建立了基于改进灰色遗传算法的安全状态分布模型,该模型能够更准确地描述通信网络的安全状态,提高了态势感知的精度。在此基础上,开展了通信网络安全态势特征检测,有效识别出潜在的安全威胁。最终,实现了安全态势的预测与感知,为通信网络的安全防护提供了有力支持。通过对比实验证明,该方法相较于现有方法在态势感知的准确性方面有显著提升,为通信网络的安全运营提供了更加可靠的保障。

关键词： 空铁货运   货流分配   遗传算法   货物时效性   碳排放税  

摘要： 针对低碳和降低物流成本的发展目标,开展空铁协同运输分配方案研究.首先,根据旅客出行意愿确定不同运输距离的客运分担率,并计算高铁预留车厢数和客机腹舱数;然后,通过分析单条线路的货物疏运需求,综合考虑运输成本、碳排放和时效性成本构建货流分配双目标优化模型,设计嵌套的稳态遗传算法,寻求模型的帕累托空铁货流分配优化解,并以京昆高铁沿线站点需求为例,设计算例验证模型的合理性;最后,探究不同碳排放税下的货流分配优化方案.研究结果表明:嵌套的稳态遗传算法相比于传统算法求解精度提高了59%,空铁货流分配方案比单一运输方式的成本更低,客机腹舱运输相比于高铁预留车厢更倾向于时效性较高货物的长远距离运输;当碳排放税为0.5~3元/kgCO_(2)时,每单位碳排放税增加0.5元将会带来13万~15万元的隐性成本,同时显性成本会有所降低,当碳排放税为3~4.5元/kgCO_(2)时,虽然碳排放税增加会继续增大隐性成本,但显性成本也会有所上升.研究充分利用了高铁和客机腹舱的剩余运力,以较低成本保证了货物运输效率,在碳排放和运输成本中找到了均衡方案,为加强空铁合作和指导政府部门制定碳排放税收政策提供参考依据.

关键词： 化痰脉通片   H型高血压   人工神经网络   网络药理学   分子对接  

摘要： 目的应用网络药理学及分子对接结合人工神经网络探讨化痰脉通片治疗H型高血压病的作用机制,探讨中医“血脉同治”的科学内涵。方法在多个数据库中筛选化痰脉通片的中药有效成分,SwissTargetPrediction平台预测其对应靶点,GeneCards数据库筛选H型高血压病靶点,通过Venny 2.1.0取交集。采用Cytoscape软件构建“疾病有效成分靶点”网络,筛选核心成分;STRING数据库和Cytoscape软件构建蛋白质相互作用网络图,筛选核心靶点。DAVID数据库进行GO功能和KEGG通路富集分析。最后,将核心靶点的受体和核心活性成分配体进行分子对接。通过文献检索及回顾病例整理H型高血压的中医证候要素及用药规律,用Python软件构建人工神经网络方证预测模型,探讨H型高血压痰瘀证型与化痰脉通片方药的对应关系。结果①筛选出化痰脉通片96个有效成分、1029个预测靶点,与疾病相关的成分有柚皮素、β谷甾醇、黄芩素等;与H型高血压病的交集靶点114个,包括AKT1、IL6、TNF、IL1B、TLR4等。②GO功能分析主要指向(细胞)对脂多糖的反应、对缺氧的反应、炎症反应等功能,KEGG富集分析结果主要包括糖尿病并发症中的高级糖基化终末产物受体(AGE-RAGE)信号通路、脂质和动脉粥样硬化通路、流体剪切应力与动脉粥样硬化信号通路等。③分子对接试验显示主要活性成分与关键靶点具有很好的亲和力。④提取到H型高血压频次最高的证素为“痰”和“血瘀”,收集到化痰脉通片中药频数依次为:天麻91次、半夏89次、白术70次、地龙24次、石菖蒲17次、橘红13次、水蛭13次、远志9次、郁金8次、胆南星3次、僵蚕2次。⑤基于多层感知器构建方证对应预测模型,模型化痰脉通片痰,准确度为0.81,化痰脉通片血瘀,准确度为0.75。结论化痰脉通片主要针对H型高血压病痰瘀互结证型,并通过柚皮素、β谷甾醇、黄芩素等作用于多靶点,降低机体氧化应激和炎症反应水平,调控AGE-RAGE信号通路、脂质和动脉粥样硬化等通路,发挥治疗H型高血压病的作用。

关键词： 工程质量潜在缺陷保险   TAM-TPB   结构方程模型   人工神经网络  

摘要： IDI服务是我国为解决工程质量潜在缺陷问题、降低工程质量风险而引入的一项重要措施,但其推行并不顺利,建设企业采纳率较低。为此,以TAM和TPB整合模型为基础,结合感知风险理论构建建设企业IDI服务采纳模型,通过结构方程模型进行验证,并采用人工神经网络方法对各影响因素进行重要性排序。研究得出:感知有用性、感知风险、过去经验等因素显著影响建设企业对IDI服务的态度,态度、感知有用性、主观规范等因素显著影响建设企业的采纳意愿,其中主观规范是对采纳意愿影响程度最高的因素。最后在研究结果的基础上提出了促进IDI服务采纳的优化策略。

关键词： 大规模多输入多输出   毫米波   混合预编码   遗传算法  

摘要： 在毫米波大规模多输入输出(MIMO)系统中,针对在基于连续干扰消除(SIC)这类部分连接(PC)结构的混合预编码算法的求解,等效信道矩阵的设定以及算法应用需满足数据流数量等于射频(Radio Frequency,RF)链数量这一约束条件问题,提出一种基于遗传算法(GA)的混合预编码优化方案。该方案以频谱效率最大化为目标函数,直接对信道矩阵进行奇异值分解求出最优全数字预编码矩阵,其次在交替优化框架下采用GA算法求解模拟预编码矩阵,数字预编码矩阵设置为更普适的形式,消除了只能在RF链数量与数据流数量相等时才能应用混合预编码算法这一限制。仿真结果表明,所提混合预编码算法的频谱效率与能量效率皆优于传统SIC算法。